计划执行与检查节点
executing-plans
按既定实施计划完成工作,保持过程检查和反馈。
beauty-video-gen【效率与协作】生成超写实、真实感、亲近感的美女时尚竖屏短视频(MiniMax H3 云端生成)。当用户要求"生成美女视频 / 真实感美女 / 亲近感美女视频 / 美女短视频 / 时尚美女视频 / 定制美女视频",或用"可爱、亲切、性感、清纯、轻熟"等风格词,或用"夸张身材 / 大长腿 / 丰满身材 / 腿占画面大半 / 低机位拉腿"等身材词要求生成真人女性视频时使用;即使用户没提"美女"二字,只要是"生成真人女性出镜的短视频"也应触发。整合《真人时尚短视频提示词写作框架》提示词写作、可选的人物面部参考图生成(仅用户明确要求"先定脸/出面部参考图"时执行,默认直接文生视频;生图优先用当前 Agent 自带的生图能力,备选 cursor-image-gen)、minimax-h3 全流程(AutoDL 开关机、工…
独立 GitHub 快照 · 自动分类 · 以原作者文档为准
生成超写实、真实感、亲近感的美女时尚竖屏短视频:按《真人时尚短视频提示词写作框架》写提示词,
可选先用人像生图定脸,再用 minimax-h3 技能在云端 GPU 上出片,最后本地归一化与抽帧验收。
用户要求"生成美女视频 / 真实感美女 / 亲近感美女视频 / 美女短视频 / 时尚美女视频", 或用"可爱 / 亲切 / 性感 / 清纯 / 轻熟"等风格词,或用"夸张身材 / 大长腿 / 丰满 / 拉腿"等 身材词要求生成真人女性视频时使用(身材词命中时走 Step 3.5 夸张身材批量配方)。
用户提需求
→ [用户已自带参考图?] ──是──→ 直接进入 Step 3(Ref2VA 模式)
→ [用户明确要求先生成面部参考图?] ──否──→ 直接进入 Step 3(T2VA 模式,默认不出参考图、不询问)
→ ──是──→ Step 2 生成面部参考图 → 展示 → 询问是否修改(循环直到用户满意)
→ Step 3 按框架写 H3 提示词
→ Step 4 minimax-h3 云端生成(开机→发现→提交→轮询→下载→秒级校验→**立即关机**)
→ Step 5 本地归一化 + 抽帧验收(关机后本地做)
→ Step 5.5 默认提亮 + 皮肤光泽滤镜(关机后本地做)
→ Step 6 交付
从用户消息中提取;未提及的用默认值并告知用户,不要反复追问:
| 项 | 默认值 | 说明 |
|---|---|---|
| 风格 | 可爱 + 亲切 + 性感(色情擦边零容忍,性感=露肩锁骨/S曲线/细高跟等 tasteful 表达) | 用户词原样保留进提示词意图 |
| 画幅 | 9:16 竖屏 720×1280 | 用户要 1080P 时用 1080×1920 |
| 时长 | 10 秒(5–15 内按动作量定) | 单场景 6–8 个动作节拍 ≈ 10s(轻快节奏);H3 只支持 5–15s |
| 动作节奏 | 轻快真实生活速度(每拍 1.2–1.5s,主动作用 quickly/briskly 连接) | 2026-08-28 实测:慢速少拍版被用户差评"动作很慢不像正常人";快节奏版获明确认可,见 Step 3 第 6 条 |
| 画面亮度 | 高调明亮布光 + 交付前默认跑 Step 5.5 提亮滤镜,滤镜版为推荐成片 | 提示词层写 bright airy high-key 场景,滤镜层再抬亮度与皮肤光泽 |
| 实例 | 无 | AutoDL 实例 UUID(如 pro-787880159a61);用户未提供时在 Step 4 前询问,不要开机前瞎猜 |
| 参考图 | 无 | 用户消息里附图则直接采用,跳过 Step 1/2 |
默认不出面部参考图:用户没有明确要求时,一律直接进 Step 3(T2VA 模式)—— 不扫描生图技能、不发 AskUserQuestion 询问。面部参考从"默认推荐"降级为"按需可选", 交付报告里说明一句"本次未用面部参考,长相由模型决定,需要定脸可随时补"即可。
仅当出现以下任一信号才进入 Step 2(Ref2VA):
仅在 Step 1 命中可选流程时执行:优先用当前 Agent 自带的生图工具或技能(如 Codex 的 ImageGen,
不要求安装 Cursor)生成一张肩部以上竖构图人像;环境没有自带生图能力,或用户明确点名
用 Cursor 生成时,才改用 cursor-image-gen 生成。
保存到工作目录(建议命名 face_ref.png)。提示词按下方模板填空,风格词映射见表。
参考图提示词模板(素颜哑光逻辑,与视频提示词同源,防止定脸与成片肤色妆感不一致):
超写实真人肖像摄影,竖屏,一位明确成年的年轻东亚女性,约{X}-{Y}岁,{气质,如甜美亲切}。
人物拥有精致小巧的{脸型},{下颌线特征}。完全素颜、无妆感:肤色{白皙奶调}通透,
呈现自身自然健康气色与细腻真实纹理,零底妆、零粉,完全无油光、无腻光。
五官精致,眼睛偏{大},深棕色虹膜,睫毛自然纤长,眉形自然柔和,鼻梁秀气,
嘴唇只保留自身自然血色,{甜美温和地微笑看向镜头}。
她留有{发色}{长度}{卷度},{刘海样式}。穿{一件简单服装,如奶油白针织衫}。
肩部以上半身构图,浅灰或奶白纯色背景,窗边柔和散射光,皮肤上无硬高光点。
4K超高清,真实手机摄影质感,真实发丝,真实皮肤纹理,轻微景深。
禁止:幼态脸、未成年感、塑料皮肤、过度磨皮、油光、浓妆、夸张修图、多余人物。
风格词 → 视觉要素映射(拼模板时参考):
| 用户风格词 | 参考图要素 | 视频侧 Look/机位/动作倾向 |
|---|---|---|
| 可爱 | 大眼、空气刘海、圆脸幼齿感但明确成年、甜笑 | 浅色针织、高机位自拍俯拍 C1、眨眼歪头 |
| 亲切 | 柔和眼神、温笑、生活感 | 家居晨光 L-F、窗边散射光、凑近互动 |
| 性感 | 锁骨肩线、微卷长发、红唇血色(素颜逻辑下用唇色深一点的自然血色) | 一字肩/吊带裙、S 曲线、尖头细跟高跟鞋 |
| 清纯 | 直发或微卷、淡然表情 | 棉麻长裙、逆光回眸 C6 |
| 轻熟/高级 | 利落眉眼、盘发或大波浪 | 西装裙 L-B、低机位 C3 或环绕 C5 |
生成后用 Read 展示图片给用户,然后 AskUserQuestion:
{"question": "面部参考图是否需要修改?", "header": "参考确认", "multiSelect": false, "options": [
{"label": "不用修改,开始生成视频(推荐)", "description": "以此定脸进入视频生成"},
{"label": "需要修改", "description": "说明要调整的长相/发型/气质等,重新生成参考图"}]}
用户选"需要修改"时,按其描述改模板重新生成,再次询问,循环直到用户点头。 用户点击不修改后立即进入 Step 3,不再追问其他问题。
先读 references/fashion-framework.md(完整框架:M0–M14 模块、人物/Look/机位/动作四个参数库、
防翻车规则、疫苗句、实测复盘),再按 h3-prompt-writing 技能的格式规范写英文提示词。
要点浓缩(细节以框架文档为准):
<Subject 1> 定义人物身份,声明"参考图中的同一人、全片仅一人");
无参考图 → T2VA。负面清单在 H3 里不单列,改为正文正向点名("completely free of oily shine…"
/ "remain completely identical from the first frame to the last")。completely bare-faced and makeup-free … zero visible foundation, zero powder, completely free of oily shine, greasy glow or plastic smoothing;
光线:默认高调明亮窗光(2026-08-28 实测:亮与哑光可兼得)——
bright airy high-key daylight, glowing white walls, sheer white curtains, abundant soft morning daylight,
同时保留疫苗句 absolutely no harsh specular hot spots,亮而不油;
面料:fully matte with no sheen(忌缎面/微光泽);配饰≤1–3件。
禁词:粉感/雾面底妆/powder/foundation(会被当成化妆指令出全妆脸)。detailed_description/integrated_multimodal_description,结尾必须是清晰可暂停的定格+眼神落镜头。
节奏铁律(2026-08-28 实测,必写):每拍 1.2–1.5 秒、10 秒 6–8 拍,主动作之间用
quickly / briskly / one quick step 连接;正文必须含一句
Every movement in this video runs at brisk, natural real-life speed, quick and energetic, with absolutely no slow-motion or dreamy pacing.——缺这句动作极易被模型拖成慢动作,
是"动作很慢、不像正常人"差评的直接根因。a few millimeters,唇轻闭或只微开一条缝,正面写 small / soft / gentle / natural smile,
并点名 never stretching into a wide grin, no exaggerated grinning;
禁用 bright / big / wide / open 修饰 smile,露齿最多 a hint of teeth。her chest and shoulders rise and fall gently with relaxed breathing(呼吸);
the corners of her mouth lift a few millimeters into a small, soft, natural smile, her lips staying gently closed or barely parted(唇;勿用 bright open smile / wide grin 类放大词);
her eyes narrow slightly and crinkle at the corners as the smile reaches them(眼);
her gaze drops shyly for a beat, then lifts back to the lens(眼神);
she blinks naturally, once right after each head turn(眨眼);
tilts her head about 10 to 15 degrees to her right(头);
her fingertips slide slowly through the strand and release it, letting it spring back against her cheek(手);
strands sway with a slight lag behind each turn and settle softly over her shoulder(发);
the knit hem sways gently with each step and settles against her thighs(裙摆);
fabric folds deepen as she leans closer to the lens, then smooth out as she straightens(衣褶);
the off-shoulder neckline slips a few millimeters and she nudges it back with her thumb(领口);
her earrings catch the window light and glint as her head turns(饰品)。overall_soundscape(环境声+动作声)+ non_diegetic_music(配乐淡出)。用户要求"夸张身材 / 大长腿 / 丰满 / 腿占画面大半"类视频时整卡取用(T2VA 无参考图,U03 文生视频), 替换第 5 条的默认配方,其余第 1–4、6–8 条照常生效:
her legs and heels stay fully inside the frame with a clear strip of floor beneath her soles — about 5 to 10 percent of the frame height between her heels and the bottom frame edge; the top of her head may sit close to or slightly beyond the top frame edge。
视线物理自洽写"她低头看向镜头"(仰拍配低头,写反眼神必飘)。her elongated proportions remain graceful, elegant and anatomically coherent(防畸形总闸仍要在)。she has exactly two legs and two arms at every moment — no duplicated, split or extra limbs, the gap between her legs always shows clean background instead of any third leg, the faint floor reflections never read as additional legs, natural five-fingered fingers。禁用膝部交叉腿站姿(肢体复制重灾区),改双脚前后微错开
(one foot slightly in front of the other, ankles almost touching)。bends forward at the waist toward the camera ... her face coming down and closer to the lens
the moment she starts to bend, one forearm rises to press lightly over her chest, holding the neckline flat and fully covered against her chest — the camera never looks down inside the dress,并加常驻句
the neckline always sits flat and fully closed against her chest, modest and camera-safe。
措辞只用 cover / flat / closed / modest / camera-safe,不出现敏感部位词。her hand stays on her chest until she is fully upright again, then smooths the neckline once。提示词保存为工作目录下的 prompt.txt(或 h3_prompt.txt)。
执行引擎是 minimax-h3 技能(其 SKILL.md 有完整规则),本技能固定走以下已实测链路。
整个批次只开一次机,try/finally 保证最终关机;实例按秒计费,等待窗口做本地活,不干等。
# 0) Token:推荐写 ~/.config/autodl.env(脚本自动回退读取,无需 source);
# 若只写在 ~/.zshrc,非交互 shell 常不加载——先 source
[ -f ~/.config/autodl.env ] || source ~/.zshrc
# 1) 开机(整个批次一次;记下输出的 SEETACLOUD_BASE_URL)
python3 "${ZCODE_HOME:-$HOME/.zcode}/skills/autodl-app-instance/scripts/autodl_app.py" boot --uuid <UUID>
export SEETACLOUD_BASE_URL=<面板地址>
# 2) 工作流发现(有参考图用 --kind u06;纯文字用 --kind u03)
# ⚠ 必须核对自动选中的是 H3 生成工作流(U03/U06/U02 系列)。
# 若选成 InfiniteTalk/U11/U09 等对口型/其他工作流,用 --workflow-id 强制指定,例如:
python3 "${ZCODE_HOME:-$HOME/.zcode}/skills/minimax-h3/scripts/discover_workflow.py" --kind u06 \
--workflow-id "U06-9图3音频-V5" --out slot_map.json
# 3) 提交(submit_video.py 自动上传参考图、给空图槽/音频槽填占位,防模板素材污染)
python3 "${ZCODE_HOME:-$HOME/.zcode}/skills/minimax-h3/scripts/submit_video.py" \
--prompt prompt.txt --slot-map slot_map.json \
--seconds 10 --width 720 --height 1280 --preset speed \
--image face_ref.png --out-json task_info.json
# 4) 轮询下载(只认 history;运行中绝不取 result 接口,会拿到旧视频)
python3 "${ZCODE_HOME:-$HOME/.zcode}/skills/minimax-h3/scripts/poll_video.py" <PROMPT_ID> --download raw.mp4
# 720p/10s 实测约 195s;1080p/10s 实测约 417s
# 5) 下载落盘 + ffprobe 秒级校验通过 → 立即关机(同批次全部完成时;唯一例外:用户说保持开机)
python3 "${ZCODE_HOME:-$HOME/.zcode}/skills/autodl-app-instance/scripts/autodl_app.py" off --uuid <UUID> --wait
# 归一化/抽帧验收/滤镜/调参重跑全是本地活,一律放到关机之后(Step 5/5.5),绝不拖着开机做本地事
参数速记:--width/--height 按用户画幅(720×1280 默认 / 1080×1920 要 1080P 时);
固定种子下同提示词+同图会生成逐字节相同的视频,重提前必须改提示词或参考图。
下载完立即关机(2026-08-29 铁律,省钱):所有任务下载落盘并用 ffprobe 秒级校验
(确为视频、时长/分辨率/音轨符合预期)通过后,立刻执行 off --uuid <UUID> --wait。
GPU 空转也按秒计费,而归一化、抽帧验收、滤镜、按用户反馈调参重跑动辄几十秒到几分钟——
这些全是本地活,必须放在关机之后,Step 5 / 5.5 / 6 全程无服务器。try/finally 保证批次终态
必关机(任务失败/超时/用户中断也一样)。例外只有两个:同批次还有未完成任务;
用户明确说保持开机(或 AUTODL_KEEP_ON=1)。本地验收不达标要重生成时,重新开机走一遍
Step 4 即可——重开机的成本远低于为等本地处理而空转计费。
**本步在 Step 4 关机之后进行,全程不占 GPU。**H3 输出会量化:宽高对齐 32(请求 720 实得 704、 请求 1080 实得 1056;1280/1920 不变)、 时长按 17 帧块取整(10s 实得 10.125s@24fps)。交付前必须归一化:
# 归一到目标规格(W×H=目标分辨率,T=目标秒数)
ffmpeg -y -i raw.mp4 \
-vf "scale=W:H:force_original_aspect_ratio=increase:flags=lanczos,crop=W:H" \
-t T -r 24 -c:v libx264 -crf 17 -preset slow -c:a aac -b:a 192k final.mp4
# 抽首/中/尾三帧拼图(n≈帧率×秒:24fps 10s 取 5/120/235)
ffmpeg -y -i final.mp4 -vf "select='eq(n\,5)+eq(n\,120)+eq(n\,235)',tile=3x1" -frames:v 1 check.png
用 Read 查看 check.png,逐项核对:人物身份与参考图/首帧一致、皮肤哑光无油光、
发型服装鞋履全程稳定(用户点名过的物品重点查)、结尾定格看镜头、俯身段遮胸在位
(用了 Step 3.5 配方时,抽俯身区间首/中/尾三帧查手是否按胸、领口是否闭合)、
转身/站姿段无肢体复制(逐帧数腿,见下条排查)、
鞋跟完整且鞋底与画面底边留有明显空隙(约 5–10% 画高;顶部裁掉一点头/脸可接受);
并通读秒级脚本自查
动作密度与节奏是否达标(表情渐变/眨眼/微动作/物理联动是否写满,每拍是否 ≤1.5s,
real-life speed 疫苗句是否在位)。抽多帧(如 5 帧)比对姿态差异,帧间姿态变化小 = 动作太慢。
有问题按框架文档第七节排查表定位根因(脸漂→补特征/身份锁;油光→查光/料/词三层;
妆重→删粉感词改素颜声明;手崩→换机位或动作;画面偏暗→查高调布光句 + 跑 Step 5.5 滤镜;
动作呆板/拖沓 AI 感→回查 Step 3 第 6 条节奏铁律与第 7 条微动作层,加密节拍与表情渐变后重生成;
肢体复制(三条腿等)→ 补两条腿解剖锁句、交叉腿改双脚微错开后重生成;
俯身走光 → 补俯身遮胸锁句后重生成;
鞋贴底边/鞋跟被裁 → 补构图优先级句(鞋底留 5–10% 画高、头顶可贴近或略超顶边)后重生成),
改提示词后重新走 Step 4,不要凭印象微调。
默认必跑(2026-08-28 实测:提示词层高调布光 + 本滤镜默认档的组合获用户明确认可,
滤镜版作为推荐成片交付)。仅当用户明确说"要原始观感/别加滤镜"时跳过本步;
用户要求"加滤镜 / 更亮 / 皮肤更有光泽 / 更通透 / 更自然"时也走本步。
本步与用户后续的调参重跑都在服务器关机后本地进行,零 GPU 费用。
在归一化之后运行本技能自带的
scripts/beauty_glow_filter.py(Python + OpenCV 逐帧处理,ffmpeg 管道编解码,原音轨无损保留):
python3 <本技能目录>/scripts/beauty_glow_filter.py 输入.mp4 输出.mp4
五步处理链与参数(都在脚本顶部;按用户反馈调参重跑即可,1080p×10s 约 20 秒):
| 步骤 | 参数(默认) | 作用 | 调参方向 |
|---|---|---|---|
| 伽马提亮 | GAMMA=0.90 | 中间调变亮,黑白场锚定,亮而不发灰 | 想更亮降到 0.85;发灰回调 0.92+ |
| 饱和补偿 | SAT=1.045 | 补回提亮损失的色彩 | 肤色偏淡加大到 1.06 |
| 皮肤局部增亮 | SKIN_LIFT=0.05 | YCrCb 肤色掩膜+大半径羽化,提亮集中在皮肤 | 皮肤不够亮加到 0.08 |
| 高光 Bloom 辉光 | BLOOM_STRENGTH=0.35、BLOOM_SIGMA=21、软阈值 0.60–0.92 | 高光扩散回混,皮肤呈现柔光镜般的光泽 | 光泽更强加到 0.45;出现塑料感降到 0.25 |
| 高光软压缩 | KNEE_START=236 | 指数软拐点防止提亮后过曝死白 | 出现死白下调到 228 |
跑完后从原片与滤镜片各抽同一帧(如 select=eq(n\,120))拼左右对比图,用 Read 展示给用户确认;
用户觉得效果不够或过头时,只调对应参数重跑,不要改处理链结构。
向用户报告:最终文件路径与规格(分辨率/时长/帧率/音轨)、验收结论、 保留的中间产物(原始未裁切版、提示词 txt、验收帧图);Step 5.5 滤镜默认跑: 报告滤镜版(推荐成片)与未滤镜版两个文件及所用参数档位,方便后续复调。多条视频按批次汇总。 此时服务器已在 Step 4 末尾关机;若验收发现问题需要重生成,先改提示词或参考图再重新开机走 Step 4 (固定种子+同素材会逐字节复现旧结果,直接重提没有意义)。